[发明专利]基于改进蝠鲼觅食优化算法的复杂配电网故障定位方法

权利要求书

1.基于改进蝠鲼觅食优化算法的复杂配电网故障定位方法，其特征在于：其包括以下步骤：

步骤S1：建立含有分布式电源(distributed generation，DG)的配电网模型；

步骤S2：使用MATLAB构建配电网拓扑模型；

步骤S3：模拟FTU上传故障信息的过程，即输入开关节点的期望值；

步骤S4：设置种群规模N，求解维度D，最大迭代次数T_max，当前的迭代次数t；

步骤S4：引入Sine映射初始化蝠鲼种群{X_i，i＝1，2，...，N}，Sine混沌自映射的表数学达式为：

式中：初始值x_n不能为0，不在[-1，1]内产生不动点和零点；当迭代一定次数时，系统输出将遍历整个解空间。

步骤S5：生成初始种群X_i的柯西反向种群COX_i；

步骤S6：选择{X_i，COX_i}中适应度较优的一半个体作为初始种群；

步骤S7：选择{X_i，COX_i}中适应度值最小的个体作为当前最优解；

步骤S8：参考合适的蝠鲼位置作为算法的初始最优解，最优蝠鲼的位置X_best及其对应的全局最优适应度值F_best。

步骤S9：获取随机数rand，并调用循环体执行步骤S10；

步骤S10：根据随机数rand的值选择蝠鲼的觅食方式，在链式觅食和旋风式觅食两种觅食策略中切换；即当rand≥0.5时，进行链式觅食并执行步骤S11；当rand＜0.5时，进行旋风式觅食策略并执行步骤S11；

步骤S11：位置更新完成后，对所有的蝠鲼个体再次进行柯西反向学习计算；

步骤S12：围绕着最优位置来更新位置进行筋斗式觅食策略，其数学模型表达如下：

其中：S是决定筋斗范围的筋斗因子，r₂、r₃∈rand(0，1)；

步骤S13：种群位置更新完成后，对所有的蝠鲼个体再次进行适应度值计算；整个算法流程为最小值寻优过程，故当时，最优适应度值否则，G_best不变；其中，G_best为全局最优值，为第t代时最优值；

步骤S14：判断是否达到最大迭代次数；是则，终止迭代输出当前最优解并执行步骤S15；否则，迭代次数加1并执行步骤S4；

步骤S15：利用sigmoid函数将实数向量X＝[x₁，x₂，…x_n]转化为一个二进制向量Y＝[y₁，y₂，…y_n]，编码转换思想如下：

式中，rand为[0，1]的随机数；

步骤S16：输出的二进制向量Y即为测试结果，完成配电网故障区段的定位。